MétaCan
Menu
Retour à la cohorte
Enregistrement W3037267669 · doi:10.1080/10717544.2020.1785048

Engineering of fluorescent or photoactive Trojan probes for detection and eradication of β-Amyloids

2020· article· en· W3037267669 sur OpenAlexaff
Amal A. Aziz, Rafat A. Siddiqui, Zareen Amtul

Notice bibliographique

RevueDrug Delivery · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of WindsorWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésTrojan horseDrug deliveryNanotechnologyFluorescenceNanomedicineMolecular imagingBlood–brain barrierMaterials scienceNeuroscienceBiomedical engineeringComputer scienceNanoparticleMedicineBiologyBiotechnologyCentral nervous systemIn vivo

Résumé

récupéré en direct d'OpenAlex

Trojan horse technology institutes a potentially promising strategy to bring together a diagnostic or cell-based drug design and a delivery platform. It provides the opportunity to re-engineer a novel multimodal, neurovascular detection probe, or medicine to fuse with blood-brain barrier (BBB) molecular Trojan horse. In Alzheimer's disease (AD) this could allow the targeted delivery of detection or therapeutic probes across the BBB to the sites of plaques and tangles development to image or decrease amyloid load, enhance perivascular Aβ clearance, and improve cerebral blood flow, owing principally to the significantly improved cerebral permeation. A Trojan horse can also be equipped with photosensitizers, nanoparticles, quantum dots, or fluorescent molecules to function as multiple targeting theranostic compounds that could be activated following changes in disease-specific processes of the diseased tissue such as pH and protease activity, or exogenous stimuli such as, light. This concept review theorizes the use of receptor-mediated transport-based platforms to transform such novel ideas to engineer systemic and smart Trojan detection or therapeutic probes to advance the neurodegenerative field.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug DeliveryMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207